文本情感分析方法和装置制造方法及图纸

本公开公开了文本情感分析方法和装置，涉及人工智能技术领域，进一步涉及自然语言处理、云计算技术领域。具体实现方案为：首先获取待分析短文本，然后确定待分析短文本的主客观偏向类型，最后基于待分析短文本和与主客观偏向类型对应的情感分析模型，得到待分析短文本对应的情感类型，能够识别待分析文本的主客观偏向类型，使得每种类型的文本能够利用对应的情感分析模型进行分析，有效提升了文本情感分析的准确性和针对性，从而提高了文本在舆情产品中的分类精确度。品中的分类精确度。品中的分类精确度。

【技术实现步骤摘要】
文本情感分析方法和装置


[0001]本公开涉及人工智能
，进一步涉及自然语言处理、云计算
，尤其涉及文本情感分析方法和装置。

技术介绍

[0002]随着互联网技术不断发展，情感分析是舆情分析系统中必不可少的模块，句子级情感分析方法是现阶段情感分析方向中的主流方案，句子级情感分析通常被定义为短文本分类任务。现有的情感分析主要包括基于规则匹配(如情感词典，情感规则构造等)、传统机器学习(如朴素贝叶斯，SVM和决策树等)、深度学习(如CNN、RNN，BERT及其变种等)的模型方法。
[0003]通常，情感分析是针对主观评论判别其情感极性，且深度学习近几年在自然语言处理，情感分析等方向的出色表现，使得基于深度学习的情感分析方法越来越受到重视。

技术实现思路

[0004]本公开提供了一种文本情感分析方法、装置、电子设备、存储介质以及计算机程序产品。
[0005]根据本公开的一方面，提供了一种文本情感分析方法，该方法包括：获取待分析短文本；确定待分析短文本的主客观偏向类型；基于待分析短文本和与主客观偏向类型对应的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种文本情感分析方法，包括：获取待分析短文本；确定所述待分析短文本的主客观偏向类型；基于所述待分析短文本和与所述主客观偏向类型对应的情感分析模型，生成所述待分析短文本对应的情感类型。2.根据权利要求1所述的方法，其中，所述确定所述待分析短文本的主客观偏向类型，包括：获取所述待分析短文本的数据源，并确定所述数据源的数据源类型；响应于确定所述数据源类型是第一预设数据源，获取主客观分析模型，其中，所述主客观分析模型用于输出文本的主客观偏向类型；将所述待分析短文本输入所述主客观分析模型，得到所述待分析短文本的主客观偏向类型。3.根据权利要求2所述的方法，其中，所述确定所述待分析短文本的主客观偏向类型，还包括：响应于确定所述数据源类型是第二预设数据源，基于所述数据源确定待分析短文本的主客观偏向类型。4.根据权利要求1所述的方法，其中，所述基于所述待分析短文本和与所述主客观偏向类型对应的情感分析模型，生成所述待分析短文本对应的情感类型，包括：获取与所述主客观偏向类型对应的情感分析模型；将所述待分析短文本输入所述情感分析模型，得到所述待分析文本对应的各个情感标签的概率值；基于所述各个情感标签的概率值，生成所述待分析短文本对应的情感类型。5.根据权利要求4所述的方法，其中，所述情感标签包括中性标签；以及，所述基于所述各个情感标签的概率值，生成所述待分析短文本对应的情感类型，包括：响应于确定所述中性标签的概率值最大，获取与所述主客观偏向类型对应的情感词典；将所述待分析短文本和所述情感词典进行匹配，确定情感词匹配结果；基于所述情感词匹配结果，生成所述待分析短文本对应的情感类型。6.根据权利要求5所述的方法，其中，所述情感标签包括正向标签；以及，所述基于所述情感词匹配结果，生成所述待分析短文本对应的情感类型，包括：响应于确定所述情感匹配结果包括正向结果，将所述待分析短文本对应的正向标签的概率值和正向阈值进行比较；基于比较结果，生成所述待分析短文本对应的情感类型。7.根据权利要求5所述的方法，其中，所述情感标签包括负向标签；以及，所述基于所述情感词匹配结果，生成所述待分析短文本对应的情感类型，包括：响应于确定所述情感匹配结果包括负向结果，将所述待分析短文本对应的负向标签的概率值和负向阈值进行比较；基于比较结果，生成所述待分析短文本对应的情感类型。8.根据权利要求5所述的方法，其中，所述基于所述情感词匹配结果，生成所述待分析
短文本对应的情感类型，包括：响应于确定所述情感匹配结果包括中性结果，生成所述待分析文本对应的情感类型为中性文本。9.一种文本情感分析装置，包括：获取模块，被配置成获取待分析短文本；确定模块，被配置成确定所述待分析短文本的主客观偏向类型；生成模块，被配置成基于所述待分析短文本和与所述主客观偏向类型对应...

【专利技术属性】
技术研发人员：刘晨晖，周厚谦，徐思琪，黄强，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：